Python基础入门：从0完成一个数据分析实战

本文链接：https://blog.csdn.net/MOODSKY/article/details/108596680

精灵宝可梦数据集分析

不知不觉已经学到最后一天了，今天的任务是进行一个新手数据分析。其实每个人对于学习都是有着自己的经验和方法的，10天的学习还是有提升的，最主要的还是隐约找到了消失了很久的方向感。

我想这也是学习的目的之一，说什么为职业生涯奠基础就算了，这么大岁数不扯了，能把学到的的知识运用到实践中，才是学习的最佳效果。

数据集下载

链接: link.

数据集介绍

本数据涵盖了从第一代到第七代共801只宝可梦小精灵的信息。数据特征上包含了基础的能力值，对于其他属性的克制能力，身高，体重，种类等等。
字段名解释

名称	中文解释
name	宝可梦的英文名
japanese_name	宝可梦的日文名
pokedex_number	宝可梦图鉴ID
percentage_male	宝可梦为男性的比率(空白为无性别属性)
type1	宝可梦的主属性
type2	宝可梦的副属性
classification	宝可梦的精灵类型
height_m	宝可梦的身高
weight_kg	宝可梦的体重
capture_rate	宝可梦的捕捉几率
baseeggsteps	宝可梦的孵化阶段
abilities	宝可梦的能力
experience_growth	宝可梦的成长经历
base_happiness	宝可梦活跃指数
against_?	18项定向攻击的伤害指数
hp	宝可梦的血量
attack	基础攻击属性
defense	基础防御属性
sp_attack	特殊攻击属性
sp_defense	特殊防御属性
speed	基础速度属性
generation	第几代
is_legendary	是否为传奇宝可梦

相关分析

# 引用相关库
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv("pokemon.csv")
# 查看数据
df.head()

# 查看索引、数据类型和内存信息
df.info()

'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 801 entries, 0 to 800
Data columns (total 41 columns):
abilities            801 non-null object
against_bug          801 non-null float64
against_dark         801 non-null float64
against_dragon       801 non-null float64
against_electric     801 non-null float64
against_fairy        801 non-null float64
against_fight        801 non-null float64
against_fire         801 non-null float64
against_flying       801 non-null float64
against_ghost        801 non-null float64
against_grass        801 non-null float64
against_ground       801 non-null float64
against_ice          801 non-null float64
against_normal       801 non-null float64
against_poison       801 non-null float64
against_psychic      801 non-null float64
against_rock         801 non-null float64
against_steel        801 non-null float64
against_water        801 non-null float64
attack               801 non-null int64
base_egg_steps       801 non-null int64
base_happiness       801 non-null int64
base_total           801 non-null int64
capture_rate         801 non-null object
classfication        801 non-null object
defense              801 non-null int64
experience_growth    801 non-null int64
height_m             781 non-null float64
hp                   801 non-null int64
japanese_name        801 non-null object
name                 801 non-null object
percentage_male      703 non-null float64
pokedex_number       801 non-null int64
sp_attack            801 non-null int64
sp_defense           801 non-null int64
speed                801 non-null int64
type1                801 non-null object
type2                417 non-null object
weight_kg            781 non-null float64
generation           801 non-null int64
is_legendary         801 non-null int64
dtypes: float64(21), int64(13), object(7)
memory usage: 256.6+ KB
'''

# 计算出每个特征有多少百分比是缺失的
percent_missing = df.isnull().sum() * 100 / len(df)
missing_value_df = pd.DataFrame({
    'column_name': df.columns,
    'percent_missing': percent_missing
})
missing_value_df.sort_values(by='percent_missing', ascending=False).head(10)

在这里插入图片描述

如数据所示，通过排序共有4个字段有缺失，type2最高，48%的宝可梦无副属性。

# 查看各代口袋妖怪的数量
df['generation'].value_counts().sort_values(ascending=False).plot.bar()

在这里插入图片描述

数量最多的是在第5代，最少的是在第6代。

# 查看每个系口袋妖怪的数量
df['type1'].value_counts().sort_values(ascending=True).plot.barh()

在这里插入图片描述

水系宝可梦最多，飞行系最少，虽然没亲身玩过，不过一般物以稀为贵的定律是逃不过的。

# 相关性热力图分析
plt.subplots(figsize=(20,15))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df.corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

在这里插入图片描述

attack 和 height_m 为正相关，说明宝可梦的身高越高，其基础攻击力越强。

# 对宝可梦的血量，攻击力，防御力，特攻，特防，速度
interested = ['hp','attack','defense','sp_attack','sp_defense','speed']
sns.pairplot(df[interested])

在这里插入图片描述

到大部分都是成正比例的，一个值的提高往往会拉高另外一个值。

# 通过相关性分析heatmap分析五个基础属性
plt.subplots(figsize=(10,8))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df[interested].corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values,
            annot=True, fmt="f",cmap="YlGnBu")

在这里插入图片描述

# 特征类型转化，增加“种族值”特征
for c in interested:
    df[c] = df[c].astype(float)
df = df.assign(total_stats = df[interested].sum(axis=1))

df[df.total_stats >= 525].shape # (167, 42)

total_stats代表了这个新的特征，用直方图可以看看种族值的分布是什么样的。

# 种族值分布
total_stats = df.total_stats
plt.hist(total_stats,bins=35)
plt.xlabel('total_stats')
plt.ylabel('Frequency')

在这里插入图片描述

# 不同属性的种族值分布
plt.subplots(figsize=(20,12))
ax = sns.violinplot(x="type1", y="total_stats",
                    data=df, palette="muted")

在这里插入图片描述

# 种族值大于570的，但是不是神兽的
df[(df.total_stats >= 570) & (df.is_legendary == 0)]['name'].head(10)

在这里插入图片描述

其他有意思的分析

sns.jointplot("base_egg_steps", "experience_growth", data=df, size=5, ratio=3, color="g")

在这里插入图片描述

sns.jointplot("attack", "hp", data=df, kind="kde")

在这里插入图片描述

# 双系宝可梦数量统计
plt.subplots(figsize=(10, 10))

sns.heatmap(
    df[df['type2']!='None'].groupby(['type1', 'type2']).size().unstack(),
    linewidths=1,
    annot=True,
    cmap="Blues"
)

plt.xticks(rotation=35)
plt.show()